Google ha lanzado la Gemini Decisions API, respaldada por un nuevo modelo, Gemini Decision 1 (nombre en la interfaz: gemini-decision-1). Hace una sola cosa: elegir la respuesta entre las opciones dadas e indicar probabilidad y confianza. Apunta a los “pequeños juicios” que se repiten en los flujos de agentes de IA, como la selección de herramientas, la comprobación de políticas, el enrutamiento de modelos o la clasificación del contexto.
Min Choi, director de producto de Google DeepMind, y Felix Yu, científico jefe, explican en el blog oficial que el modelo no genera el texto de la respuesta token a token como los grandes modelos habituales, sino que puntúa directamente las opciones candidatas.
“Gemini Decision 1 scores your candidate options in a single forward pass” (Gemini Decision 1 puntúa tus opciones candidatas en una sola pasada hacia delante.)
Tres tipos de pregunta, hasta mil por solicitud
La interfaz admite tres tipos de pregunta. Las de sí o no estiman la probabilidad de que se cumpla una condición y pueden incluir criterios de juicio para ambos lados. Las de opción múltiple devuelven la opción ganadora y la probabilidad normalizada de cada candidata, con un número de opciones de entre 2 y 255. Las de puntuación usan una escala ordenada que parte de 0 y devuelven una nota continua ponderada y la probabilidad de cada nivel. Cada respuesta incluye un grado de confianza de 0 a 1.
La entrada puede ser texto, imágenes, audio, vídeo y PDF, y todo ello puede combinarse en un mismo material, por ejemplo la grabación de una llamada de atención al cliente junto con los metadatos de la cuenta, o un documento escaneado con la foto de un daño en la mercancía. El límite de entrada por solicitud es de 256K tokens y se pueden evaluar hasta 1.000 preguntas a la vez.
La velocidad es el punto central de este lanzamiento. Google indica una latencia de extremo a extremo de 150 a 250 milisegundos, con una mediana de 50 a 100 milisegundos solo para el cálculo del modelo; en las pruebas con un contexto de hasta 16K tokens, la latencia apenas cambió al pasar de 1 a 100 preguntas. Gemini Notebook, producto del propio Google, ya lo utiliza para repartir en tiempo real las consultas de los usuarios entre modelos de distintos niveles, y la latencia de enrutamiento se redujo hasta un 40 %.
Solo se cobra la entrada: una cuenta rápida
El precio es de 0,10 dólares por millón de tokens de entrada, y la salida no se cobra. Según el blog, no hay coste por tokens de salida, ni una factura que varíe con la duración del razonamiento, ni cargos aparte por transcripción de audio y OCR. Google afirma que, en un benchmark común, esta opción resulta unas 5 veces más barata que usar Gemini 3.5 Flash-Lite a través de la Interactions API.
Un cálculo aproximado: un sistema de atención al cliente de comercio electrónico envía cada vez 10.000 tokens de transcripción de la llamada y datos del pedido, y formula 50 preguntas de golpe (si procede un reembolso, si el tono es agresivo, si hay indicios de fraude, a qué equipo derivarlo). Con el precio de entrada, cada llamada cuesta unos 0,001 dólares y un millón de llamadas, unos 1.000 dólares. La estimación supone que el texto de las preguntas y el material suman 10.000 tokens; en el caso de imágenes y vídeos, que se convierten en tokens según la resolución, la cifra real puede variar.
Hay que fijarse en la base de la comparación. Google compara con modelos pequeños generativos como Flash-Lite; las soluciones generativas pagan por los tokens de salida y de razonamiento, así que cuantas más preguntas y más largo el razonamiento, mayor es la factura, y la Decisions API elimina esa parte del coste. A cambio, solo puede responder preguntas cerradas: los resúmenes abiertos, las reescrituras y la generación de código siguen en manos de los modelos generativos.
Hasta ahora, esta necesidad se resolvía sobre todo de dos maneras: o se pedía a un pequeño modelo generativo que respondiera “sí” o “no” y se extraía el resultado del texto, o se entrenaba aparte un modelo de clasificación que había que reentrenar cada vez que cambiaba el conjunto de etiquetas. El primero no ofrece valores de probabilidad estables y el segundo no entiende imágenes ni audio. La Decisions API entrega probabilidades con grado de confianza, y los desarrolladores pueden fijar sus propios umbrales, por ejemplo derivar a una persona los tickets con confianza inferior a 0,7 y dar paso directo a los de más de 0,9. Cómo fijar ese umbral y hasta qué punto la confianza del modelo coincide con la precisión real dependerá de las pruebas de los desarrolladores con sus propios datos; el blog solo muestra los resultados de casos de uso internos de Google.
En qué productos ya está integrado
Google enumera varios casos de uso internos: el enrutamiento de modelos en Gemini Notebook; un experimento de lienzo rápido en Stitch, que lo usa para modificar wireframes interactivos según órdenes de voz o clics; CC, de Google Labs, que elige la reacción adecuada entre más de 200 emojis; y la Búsqueda de Google, que lo emplea para añadir una capa de comprobación de seguridad a las herramientas MCP e identificar comportamientos adversarios.
La interfaz ya puede utilizarse a través de la Gemini API y Google AI Studio, con cuota gratuita para crear prototipos, y la documentación cubre Python, JavaScript y REST. Las integraciones de terceros como OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI y LiveKit irán llegando; la versión en Google Cloud figura como “próximamente”, sin fecha anunciada.
Fuentes: artículo de lanzamiento de la Gemini Decisions API en el blog oficial de Google (verificación de latencia, límite de preguntas, límite de entrada de 256K, precio por millón de tokens de entrada y base de comparación con Flash-Lite), CocoLoop, explicaciones públicas del equipo de producto de Google DeepMind.